scvi-tools – 单细胞组学数据分析 Skill

Skill 详细介绍

anthropics/knowledge-work-plugins#scvi-tools 是 Anthropic 官方 knowledge-work-plugins 仓库中的 scvi-tools Skill，面向单细胞转录组等单细胞组学数据的分析工作流。它不是一个独立运行的软件，本身也不是 scvi-tools 这个 Python 库，而是让 AI Agent 能够正确使用 scvi-tools 生态进行单细胞数据建模、批次校正、降维、聚类和差异表达分析的指令 / 工作流型 Skill。

一、它是什么

• Anthropic 官方 knowledge-work-plugins 仓库下的一个 Skill。
• 本质是面向数据科学工作流的指令集 / 方法论，附加对应的调用约定与最佳实践。
• 安装后，Agent 在处理单细胞数据（如 scRNA-seq、scATAC-seq、CITE-seq）任务时，能够理解 scvi-tools 的模型体系、API 结构、常见参数与推荐流程，并据此生成或执行分析代码。
• 它本身不包含 scvi-tools 的运行时，scvi-tools 是独立的 Python 库，Skill 只是指导 Agent 如何使用它。

二、它不是什么

• 不是一个可以脱离 Agent 单独运行的 CLI 工具。
• 不是 scvi-tools 库本身，也不替代 scvi-tools 的官方文档。
• 不是零代码分析平台，用户依然需要 Python 环境和数据文件。
• 不是通用生物学问答 Skill，它聚焦在 scvi-tools 相关的建模与分析任务上。

三、核心用途与典型任务

• 编写 scvi-tools 建模脚本：例如 SCVI、SCANVI、TotalVI、PeakVI、MultiVI 等模型的构建、训练与推理。
• 单细胞数据预处理：AnnData 对象构建、HVG 选择、批次信息整理。
• 批次校正与整合：使用 SCVI 进行 latent 表示学习。
• 降维与聚类：latent embedding 提取、UMAP、Leiden / Louvain 聚类。
• 细胞类型注释：结合 SCANVI 半监督标注。
• 差异表达与结果解读：scvi-tools 内置的 DE 分析接口。
• 多模态数据：CITE-seq（TotalVI）、多组学（MultiVI）等。
• 调参与排错：帮助排查训练不收敛、显存不足、数据格式错误等常见问题。

四、工作方式

它并不自动跑分析。工作方式是：用户向 Agent 描述单细胞分析目标 → Agent 加载该 Skill 的指令与知识 → Agent 判断应该使用哪个 scvi-tools 模型、如何组织数据 → 生成 Python 代码或给出操作步骤 → 用户在自己的环境中执行。Skill 的价值在于让 Agent 不要在 scvi-tools 上乱写 API，而是遵循该库的真实接口和推荐实践。

五、适合与不适合

适合：做单细胞转录组 / 表观组 / 多模态分析的科研人员和数据科学家；已经用 Python + AnnData 处理数据、希望用 scvi-tools 做整合与建模的用户。

不适合：只做常规 bulk RNA-seq 差异表达、不需要概率生成模型的场景；没有 Python 环境、期待纯 GUI 分析的用户。

六、与 Agent 自身能力的区别

通用 Agent 已经能写一些单细胞代码，但容易记错 scvi-tools 的 API、模型参数和推荐流程。这个 Skill 把知识收敛到 scvi-tools 的正确用法上，减少幻觉和错误接口，让 Agent 在没有联网查文档时也能给出可靠的分析方案。

Skill 安全评估

总体判断：来自 Anthropic 官方仓库，来源可信度较高；但作为一个会引导 Agent 生成并可能执行 Python 数据分析代码的 Skill，主要风险不在 Skill 本身，而在于 Agent 执行代码时涉及的本地文件访问、依赖安装与计算资源使用。

一、来源可信度

• Skill 位于 Anthropic 官方 knowledge-work-plugins 仓库，来源可核查。
• 它是提示词 / 工作流型 Skill，本身不携带可执行二进制，不存在明显的供应链投毒风险。
• 真实风险来自它引导生成的代码和它依赖的第三方 Python 包。

二、文件读写

• 单细胞分析必须读取用户的表达矩阵 / AnnData 文件（常见为 .h5ad）。
• 分析过程通常会生成中间文件和结果文件。
• 建议：在专门的项目目录下运行，不要对生产数据目录开放整盘写入权限。

三、Shell 与代码执行

• 若 Agent 被允许自动执行 Shell，则会运行 pip install、运行 Python 脚本等命令。
• 若不允许自动执行，Agent 只生成代码，由用户手动运行，安全性更高。
• 建议：分析任务不是必须自动执行，可以关闭 Agent 的 Shell 自动执行权限，人工审核后再运行。

四、依赖安装

• scvi-tools 依赖 PyTorch、PyTorch Lightning、AnnData、scanpy 等，安装量较大。
• 建议在 conda / venv 等隔离环境中安装，避免污染主环境。

五、网络访问

• 安装依赖时需要访问 PyPI 等源。
• 如果希望减少外部网络依赖，可将来源替换为可信的镜像源，但应使用官方推荐镜像。

六、API Key / 凭证

• 该 Skill 本身不需要 API Key、Token 或账号。
• 生成的单细胞分析代码通常为本地计算，不涉及外部云 API。
• 如果用户自行扩展接入云端算力或数据集，需要按对应平台要求单独处理凭证，与本 Skill 无关。

七、Prompt Injection 与数据内容风险

• Skill 不会自动读取外部网页，所以远程指令注入风险有限。
• 但如果用户把包含指令性文本的数据文件名或注释交给 Agent，仍需按常规方式对待不可信输入。

八、可降低风险的实操建议

• 在独立 conda 环境或容器中运行相关分析。
• 对单细胞数据文件做备份后再分析。
• 关闭 Agent 自动执行 Shell 的权限，命令由本人逐条确认。
• 大规模训练前先用小样本数据验证流程。

Skill 使用要求

一、Agent / 客户端

该 Skill 出自 Anthropic 官方 knowledge-work-plugins 仓库，与 Claude Code 高度适配，优先在 Claude Code 中使用。官方没有提供完整的第三方 Agent 兼容列表。从 Agent Skill 的工作机制看，在支持 Skills、自定义指令或类似加载方式的 Agent 中（如 Codex、Cursor、Trae、OpenClaw、WorkBuddy）通常也可以尝试使用，但加载方式和兼容程度各不相同，是否可用请以对应 Agent 当前版本为准。

二、运行环境 / 依赖

具体 Python 版本、CUDA 版本以 scvi-tools 官方文档为准，Skill 本身不指定版本。

三、权限

• 文件读取：必需，需要读取单细胞数据文件（如 .h5ad）。
• 文件写入：可选，用于保存模型、latent embedding 和分析结果。
• Shell：可选，用于安装依赖和运行 Python；可关闭，由人工执行。
• 网络：可选，仅安装依赖时需要。
• Docker / 浏览器 / GitHub：不需要。

四、账号 / API Key

• Skill 本身不需要任何账号、API Key 或 Token。
• 分析过程通常在本地完成，不需要外部凭证。
• 如果你自行接入云算力或公开数据集下载，凭证由对应服务单独管理。

最小使用条件

1. 一个支持 Skill 加载的 Agent（优先 Claude Code）。
2. 可用的 Python 环境。
3. 一份待分析的单细胞数据（AnnData / .h5ad 等）。
4. 允许 Agent 读取这些文件的权限。

Skill 安装、使用与卸载教程

一、安装

请直接复制本页面提供的 Skill 安装指令，粘贴到对应的 Agent 或终端中执行。该 Skill 属于 anthropics/knowledge-work-plugins 仓库，安装的本质是把对应 Skill 目录加载进 Agent 的 Skill 环境。

如果你不确定自己的 Agent 应该如何安装，可以直接在当前 Agent 中提问，让它根据自身的 Skill 加载机制给出步骤：

如何安装 anthropics/knowledge-work-plugins#scvi-tools？

如何在 Claude Code 中安装 anthropics/knowledge-work-plugins#scvi-tools？

如何在 Cursor 中安装 anthropics/knowledge-work-plugins#scvi-tools？

官方未提供针对该 Skill 的特殊安装说明，安装方式以 knowledge-work-plugins 仓库当前的官方说明为准。

二、安装后如何使用

安装后不需要专门启动这个 Skill。当你在对话中提到单细胞分析、scvi-tools、SCVI、SCANVI、批次校正、CITE-seq 等关键词时，Agent 会自动加载该 Skill 并按其指令工作。

向 Agent 描述需求时，越明确越容易得到可靠结果。建议提供：数据类型（scRNA-seq / scATAC-seq / CITE-seq）、数据文件格式、是否需要批次校正、感兴趣的模型、计算资源限制。

自然语言使用示例：

使用 scvi-tools，帮我用 SCVI 对这个 scRNA-seq 的 h5ad 文件做批次校正，并输出 UMAP 和聚类结果。

使用 scvi-tools，帮我把这个单细胞数据集用 SCANVI 做半监督细胞类型注释，我提供一部分已标注细胞。

使用 scvi-tools，帮我写一段 TotalVI 的脚本，用于处理 CITE-seq 数据，并给出关键参数建议。

三、卸载

不同 Agent 的 Skill 安装位置和管理方式不同。最稳妥的方式是：

• 使用对应 Agent 或 Skill 管理器提供的删除 / 禁用方式移除该 Skill。
• 或者直接向当前 Agent 提问：

如何卸载 anthropics/knowledge-work-plugins#scvi-tools？

官方未提供统一的卸载命令，请以对应 Agent 当前说明为准。

常见问题

1. 安装这个 Skill 会自动帮我装好 scvi-tools 吗？
不会。Skill 只是指导 Agent 如何使用 scvi-tools，scvi-tools 及 PyTorch、scanpy 等依赖需要你在自己的 Python 环境中安装。

2. 我的数据是 bulk RNA-seq，也能用这个 Skill 吗？
不适合。这个 Skill 面向单细胞 / 多模态组学，bulk 分析使用 scvi-tools 并不合适，应选择常规差异表达分析流程。

3. 必须用 GPU 吗？
不是必须。小数据集可在 CPU 上训练，只是速度较慢。大规模数据集建议使用 CUDA GPU。

4. 为什么 Agent 安装后没识别到 Skill？
常见原因是 Skill 目录没有放到当前 Agent 约定的加载路径，或 Agent 需要重启 / 重新载入配置。可以让 Agent 检查 Skill 是否已加载，或参考 knowledge-work-plugins 仓库的说明确认目录结构。

5. Skill 更新后需要重新安装吗？
取决于你是以何种方式加载的 Skill。如果是直接引用仓库目录，更新仓库后再让 Agent 重新加载即可；如果是复制到本地目录，需要重新同步对应文件。

6. 可以把同一个 Skill 同时装到多个 Agent 里吗？
可以。Skill 本质是文件，允许多个支持它的 Agent 各自加载同一份内容，互不影响。

7. 中国大陆使用是否有额外网络要求？
Skill 本身不联网。只有在安装 PyPI 依赖时可能需要网络，可按需配置可信镜像源。分析过程本身在本地完成。